За пределами языковых моделей: почему Jensen Huang связывает открытые исследования ИИ с биологией, погодой и будущим вычислений
Введение: что теряется, когда ИИ считают только чат-ботом?
Диалоговая система делает искусственный интеллект [AI] легко узнаваемым. Люди могут ввести вопрос и прочитать ответ. Но язык является лишь одним способом представления мира.
Биология, химия, погода и физические системы содержат информацию, которую нельзя свести к обычному разговору. Аргумент Jensen Huang в пользу открытых исследований ИИ связывает эту более широкую научную возможность с практической вычислительной задачей: разработчикам оборудования нужно понимать, чего будущие модели потребуют от их систем.
У этого аргумента несколько частей. Открытая работа может поддерживать исследования, расширять участие и помогать вычислительной отрасли понимать, где должна измениться её собственная архитектура [Architecture].
1. Создание моделей учит вычислительную компанию тому, что строить
Компания, разрабатывающая инфраструктуру ИИ, не может полагаться лишь на требования вчерашних моделей. Ей нужен непосредственный опыт работы, способной определить завтрашние системы.
Исследования архитектуры моделей [Model Architecture] создают этот опыт. Разные подходы могут предъявлять разные требования к памяти, перемещению данных, процессорам и соединениям между ними.
Huang связывает исследования моделей NVIDIA с более широкой стратегией совместного проектирования [Co-design]. Работа над моделями даёт ещё один способ понять необходимые им системы.
Поэтому исследования ценны, даже если компания не стремится стать поставщиком конечного приложения в каждой области. Полученные знания могут направлять развитие вычислительной платформы [Computing Platform], которой пользуются другие.
2. Открытость даёт большему числу людей возможность экспериментировать
Если бы каждая полезная модель была доступна только как готовая проприетарная услуга [Proprietary Service], исследователи и небольшие организации имели бы меньше свободы изучать, адаптировать её и создавать на её основе.
Открытые модели [Open Models] могут предложить другой путь. Исследователи могут проверять подход, изучать его поведение и искать применения, которые не были приоритетом первоначального разработчика.
Эта возможность важна для разных отраслей и стран. Университетской лаборатории, инженерной команде и специализированной научной группе могут понадобиться разные формы доступа, но каждая выигрывает от пространства для собственной работы.
Открытость не обещает успеха каждого эксперимента. Она расширяет возможность учиться и вносить вклад, не требуя от всех начинать с нуля.
3. Слову «открытый» нужно точное значение
Веса модели [Model Weights], её обучающий код [Training Code], данные для обучения и методы подготовки этих данных являются разными вещами.
Доступность одного не означает автоматической доступности остального. Выпуск с открытыми весами [Open-weight Release] может быть полезен, не предоставляя всего необходимого для воспроизведения первоначального обучения.
Для выбирающего модель практический вопрос состоит в том, что действительно разрешает выпуск. Может ли команда изучать, изменять и развёртывать модель для намеченной цели, а также понимать её ограничения?
Урок в том, чтобы смотреть дальше ярлыка. Полезная степень открытости зависит от предоставленных материалов и сопутствующих условий.
4. Научному ИИ нужны представления за пределами обычного языка
Модель погоды работает с поведением физической системы. Биологические исследования касаются структур и взаимодействий. Робототехника [Robotics] связывает восприятие и действие с меняющейся средой.
Язык помогает людям описывать эти проблемы, но лежащие в основе информация и отношения могут требовать других представлений. Поэтому прогресс зависит не только от улучшения разговорных навыков большой языковой модели [Large Language Model].
Более широкое видение Huang даёт специализированным моделям место в более крупной системе. Агент [Agent] может использовать научную модель как один из инструментов, вместо попыток отвечать на всё лишь средствами языка.
Это полезная смена акцента. Целью становится доступ к нужной для задачи способности, а не ожидание, что одна модель вместит все способности.
5. Платформа может поддерживать отрасли, которые не собирается заменять
Вычислительной компании не нужно создавать конечный автомобиль, открывать конечное лекарство или управлять всеми научными учреждениями, чтобы вносить вклад в эти области.
Она может предоставлять модели, инструменты и инфраструктуру, помогающие специалистам делать собственную работу. Специалисты приносят предметные знания [Domain Knowledge], эксперименты и практические ограничения, которые общая платформа не может обеспечить самостоятельно.
Это разделение труда также объясняет возможность сосуществования открытых исследований и коммерческих продуктов. Проприетарное приложение может служить одной цели, а общие исследовательские основы поддерживать более широкое сообщество.
Границы должны оставаться ясными. Доступ к модели является началом, а не доказательством готовности к научному или операционному решению.
Заключение: следующая платформа должна вместить разные виды интеллекта
Аргумент Huang в пользу открытых исследований ИИ шире выпуска ещё одного чат-бота. Он связывает проектирование вычислений с научным поиском и возможностью других людей создавать.
Возможность состоит в сочетании общих инструментов со специальными знаниями при точном указании того, что открыто, а что по-прежнему обязан оценивать пользователь.
ИИ становится полезнее, когда его платформа поддерживает разные виды работы. Язык является важным интерфейсом [Interface] к этому будущему. Но он не составляет всё будущее.
Powered By K7